Ứng dụng học máy vào nghiên cứu thị trường chứng khoán Việt Nam dưới ảnh hưởng của các nhân tố vĩ mô

Abstract

Mục đích nghiên cứu là đưa ra một số đề xuất hữu ích cho Nhà nước để ổn định và phát triển thị trường chứng khoán, doanh nghiệp lớn niêm yết trên sàn chứng khoán hoạt động tốt hơn, nhà đầu tư có được những thông tin hữu ích để ra quyết định. Dữ liệu nghiên cứu: Nghiên cứu liên hệ giữa chỉ số chứng khoán Việt Nam và các nhân tố vĩ mô. Nguồn dữ liệu từ investing.com và imf.org, dạng dữ liệu theo tháng. Hai nhiệm vụ chính bao gồm: Dự báo chỉ số VN-Index với các nhân tố vĩ mô và nghiên cứu ảnh hưởng của các nhân tố vĩ mô đến chỉ số VN30. Với bài toán dự báo: Dữ liệu dự báo là khoảng thời gian từ 1/6/2002 đến 1/6/2023 với 253 quan sát. Các biến sử dụng gồm: chỉ số VN-Index, chỉ số CPI, tỷ giá USD / VND, lãi suất, chỉ số SP500 và HSI50, giá dầu WTI và BRENT, giá vàng và chỉ số USD. Với bài toán nghiên cứu ảnh hưởng: Dữ liệu nghiên cứu ảnh hưởng là khoảng thời gian từ 1/2/2014 đến 1/6/2023 với 113 quan sát. Các biến sử dụng gồm: Chỉ số VN30, chỉ số CPI, tỷ giá USD / VND, lãi suất, chỉ số (SP500, CSI300, N500, KS50, STOXX50, HSI50), giá dầu WTI và BRENT, giá vàng, chỉ số USD, giá BITCOIN. Phương pháp nghiên cứu: Với bài toán dự báo: Kiểm định thống kê chuỗi dừng các biến. Sử dụng thuật toán RReliefF và tránh đa cộng tuyến lựa chọn thuộc tính phù hợp. Chuẩn hóa Min Max (0,1) cho các biến độc lập và biến phụ thuộc. Chia tập dữ liệu huấn luyện (các quan sát đầu) : kiểm tra (các quan sát còn lại) lần lượt theo tỷ lệ (80% : 20%; 90% : 10%; 70% : 30%). Dự báo với các mô hình ARIMAX, SVR, KNN. Đánh giá hiệu quả dự báo với thang đo R2, MAE, RMSE, Accuracy, F1 Score.Với bài toán nghiên cứu ảnh hưởng: Lựa chọn độ trễ tối ưu của các biến. Kiểm định đồng liên kết Bounds. Ước lượng ảnh hưởng dài hạn của các thuộc tính. Ước lượng ảnh hưởng ngắn hạn của các thuộc tính. Chẩn đoán mô hình ARDL. Kết quả nghiên cứu: Với bài toán dự báo: Tất cả các chuỗi dừng sau khi lấy sai phân bậc một. Sử dụng thuật toán RReliefF và lựa chọn thuộc tính tránh đa cộng tuyến thì các thuộc tính được chọn gồm: Độ trễ bậc một của chỉ số VN-Index, độ trễ bậc một của chỉ số CPI, độ trễ bậc hai của chỉ số HSI50, độ trễ bậc ba của chỉ số SP500, độ trễ bậc ba của giá vàng, độ trễ bậc ba của lãi suất cho vay. Kết quả dự báo cho thấy rằng với tỷ lệ huấn luyện : kiểm tra là 80% : 20% thì mô hình KNN tốt nhất, trong khi với tỷ lệ huấn luyện : kiểm tra là 90% : 10% thì mô hình SVR tốt nhất; còn với tỷ lệ huấn luyện : kiểm tra là 70% : 30% thì mỗi mô hình đều có ưu và nhược điểm riêng. Nghiên cứu đề xuất sử dụng trường hợp với mô hình KNN khi chỉ số R2 và độ chính xác lần lượt là 17% và 63% ở tập kiểm tra; khi trường hợp với mô hình SVR thì lần lượt chỉ là 7% và 60%. Với bài toán nghiên cứu ảnh hưởng: Kiểm định đồng liên kết Bounds cho thấy rằng các biến có liên hệ dài hạn với nhau. Mô hình ARDL có kết quả chẩn đoán tin cậy khi không bị hiện tượng tương quan chuỗi, không bị hiện tượng phương sai sai số không đổi, phần dư có phân phối chuẩn, p value từ kiểm định dạng hàm phù hợp gần đạt giá trị 0.05. Dài hạn: Chỉ số CPI ảnh hưởng tiêu cực đến chỉ số VN30; chỉ số (SP500, N500, KS50), giá dầu BRENT, giá BITCOIN ảnh hưởng tích cực đến chỉ số VN30. Ngắn hạn: Tỷ giá USD / VND ảnh hưởng tiêu cực đến chỉ số VN30; chỉ số SP500 và HSI50, giá dầu WTI và BRENT, giá vàng ảnh hưởng tích cực đến chỉ số VN30.